O método de representação deve ser adequado ao tipo de fenômeno a ser cartografado.

Nesse sentido, o fenômeno da propagação de epidemias deve ter representação

A 2ª Edição da Norma Técnica para Georreferenciamento de Imóveis Rurais, do INCRA, aprovada em setembro de 2010, especifica a precisão para as diferentes classes de vértices empregados no levantamento dos limites dos imóveis. Tal especificação é feita na Tabela 1 da referida Norma, reproduzida abaixo. Também são especificados, nessa norma, os procedimentos quanto ao uso de métodos convencionais de levantamento (poligonação, irradiamento e triangulação) e quanto aos rastreios GPS. A Tabela 3 da Norma, (também reproduzida abaixo) apresenta a classificação das estações totais quanto à precisão.

Tabela 1 - Classificação de vértices quanto à finalidade, precisão e tipo

Classe Finalidade Precisão (M) Tipo

C1 Apoio básico / Apoio imediato / Limite ≤ 0,10 M

C2 Apoio imediato / Limite ≤ 0,20 M

C3 Desenvolvimento de poligonal / Limite ≤ 0,40 M, P

C4 Limite ≤ 0,50 M, P, V, O

C5 Limites naturais ≤ 2,00 P, V, O

C7 Limite - USO RESTRITO -

Tabela 3 - Classificação de estações totais

Classes de Estações Totais Desvio-padrão Precisão angular Desvio-padrão Precisão linear

1 - precisão baixa ≤ ± 30" ± (5 mm + 10 ppm * D)

2 - precisão média ≤ ± 07” ± (5 mm + 5 ppm * D)

3 - precisão alta ≤ ± 02” ± (3 mm + 3 ppm * D

Onde:

D = Distância medida em km.

Nota: ppm = parte por milhão.

Fonte: ABNT NBR 13.333, 1994, p.7.

Considerando as precisões especificadas na Tabela 1, as precisões proporcionadas pelos equipamentos e métodos mencionados, o emprego de métodos convencionais de levantamento é recomendado para determinação de vértices de classe igual ou inferior a

O georreferenciamento de imagens demanda a transformação das coordenadas no sistema da imagem (linha e coluna) para um sistema de coordenadas de terreno. Para realizar tal transformação, são levantadas as coordenadas de pontos identificáveis nas imagens.

A quantidade mínima de pontos de controle a serem medidos depende da(o)

O filtro de Kalman é um método recursivo que tem sido utilizado em certas aplicações, tais como o posicionamento cinemático por GPS e a navegação por sistema inercial. A modelagem funcional básica desse método é composta por duas equações matriciais, a das observações e a do modelo dinâmico:

L_b = A . X + V

X₂ = T_1/2 . X₁ + W

Onde:

L_b é o vetor das observações;

A é a matriz dos coeficientes;

X é o vetor das variáveis aleatórias;

X₁ é o vetor das variáveis aleatórias em um tempo t₁ ;

X₂ é o vetor das variáveis aleatórias em um tempo t₂ ;

T_1/2 é a matriz de transição do tempo t₁ para o tempo t₂ ;

V é o vetor de ruídos na equação das observações e

W é o vetor de ruídos na equação do modelo dinâmico.

Considerando que E(x), denota a esperança matemática de uma variável x, e Cov(x), a covariância de uma variável x, a afirmação:

Para que se possa aplicar o filtro de Kalman, uma das injunções iniciais é que haja independência estatística entre os ruídos da equação das observações e o modelo dinâmico.

significa que